Operasi Morfologi. Kartika Firdausy - UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra

Ukuran: px
Mulai penontonan dengan halaman:

Download "Operasi Morfologi. Kartika Firdausy - UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra"

Transkripsi

1 Operasi Morfologi Kartika Firdausy - UAD pvisual@ee.uad.ac.id blog.uad.ac.id/kartikaf

2 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi prosedur operasi morfologi menerapkan berbagai teknik pada operasi morfologi yaitu pencarian batas/kontur, dilasi, erosi, penutupan, pembukaan, pengisian, dan pelabelan menerapkan teknik skeletonisasi untuk pengenalan pola

3 Operasi Morfologi didasarkan pada bentuk segmen atau region dalam citra segmen obyek yang menjadi perhatian Segmentasi membedakan antara obyek dan latar operasi pengambangan

4 Nilai biner dari citra hasil merepresentasikan 2 keadaan: obyek bukan obyek (latar) titik obyek : hitam (nilai 0) titik latar : putih (nilai 1) Hasil operasi morfologi dapat dimanfaatkan untuk pengambilan keputusan dengan analisis lebih lanjut

5 Operasi ini antara lain meliputi: pencarian batas/kontur, dilasi, erosi, penutupan (closing), pembukaan (opening), pengisian (filling), pelabelan, pengerangkaan (skeletonization)

6 didasarkan pada nilai-nilai dari tetangga langsung di sekeliling titik obyek yang ditinjau (Moore neighborhood)

7 operasi terhubung-4 (4-connected) tetangga yang diperhatikan hanya yang langsung bersebelahan, yaitu titik di sebelah kiri, kanan, atas dan bawah, p2 p8 p1 p4 p6 p2 p1 p6 p3 p4 p5 operasi terhubung-8 (8-connected) tetangga diagonalnya diikutsertakan p2 p8 p1 p4 p6 p9 p2 p3 p8 p1 p4 p7 p6 p5

8 Beberapa definisi yang dipakai dalam operasi morfologi: Titik obyek, adalah titik yang merupakan bagian dari obyek (p1 = obyek) Titik latar, adalah titik yang merupakan bagian dari latar (p1 = latar) B(p1) = banyaknya tetangga dari p1 yang merupakan titik obyek A(p1) = banyaknya pola latar, obyek untuk urutan p2- p4-p6-p8-p2 pada operasi terhubung-4 atau urutan p2- p3-p4-p5-p6-p7-p8-p9-p2 pada operasi terhubung-8. Titik terisolasi, adalah titik obyek yang semua tetangganya adalah titik latar. B(p1) = 0.

9 Titik ujung, adalah titik obyek yang mempunyai tepat sebuah tetangga yang merupakan titik obyek juga. B(p1) = 1. Titik batas, adalah titik obyek yang salah satu atau lebih tetangganya adalah titik latar. B(p1) < 4 pada operasi terhubung-4 dan B(p1) < 8 pada operasi terhubung-8. Apabila semua titik tetangganya adalah titik obyek maka dapat dipastikan titik tersebut berada di dalam obyek (bukan titik batas). Titik simpel, adalah titik obyek yang jika diubah menjadi titik latar maka tidak mengubah kondisi hubungan antar titik-titik obyek tetangganya.

10 Sebagai ilustrasi, pandang contoh berikut dengan menggunakan nilai 0 untuk titik obyek dan 1 untuk titik latar Terhubung 4 Terhubung Titik terisolasi Titik batas 1 0

11 Titik batas Terhubung Terhubung

12 Pencarian Batas/Kontur Menentukan batas/kontur dari segmen obyek Dilakukan terhadap titik-titik obyek Algoritma untuk operasi pencarian batas citra Set citra hasil sama dengan citra asal Untuk semua titik dalam citra asal: Cek apakah titik tersebut titik obyek Jika ya cek apakah titik tersebut adalah titik batas Jika ya maka titik tersebut tetap titik obyek Jika tidak maka ubah titik pada citra hasil menjadi titik latar Jika tidak maka lanjutkan

13 Hasil operasi pencarian batas Citra asli Citra batas terhubung-4 Citra batas terhubung-8

14 Dilasi memperbesar ukuran segmen obyek dengan menambah lapisan di sekeliling obyek 2 cara : 1. mengubah semua titik latar yang bertetangga dengan titik batas menjadi titik obyek (set setiap titik yang tetangganya adalah titik obyek menjadi titik obyek) 2. mengubah semua titik di sekeliling titik batas menjadi titik obyek, (set semua titik tetangga sebuah titik obyek menjadi titik obyek) Algoritma untuk operasi dilasi citra biner Untuk semua titik dalam citra Cek apakah tersebut titik obyek Jika ya maka ubah semua tetangganya menjadi titik obyek Jika tidak maka lanjutkan

15 Hasil operasi dilasi Citra asli Citra dilasi terhubung-4 Citra dilasi terhubung-8

16 Erosi kebalikan dari operasi dilasi ukuran obyek diperkecil dengan mengikis sekeliling obyek. 2 cara: 1. mengubah semua titik batas menjadi titik latar 2. set semua titik di sekeliling titik latar menjadi titik latar Algoritma untuk operasi erosi citra biner Untuk semua titik dalam citra Cek apakah tersebut titik latar Jika ya maka ubah semua tetangganya menjadi titik latar Jika tidak maka lanjutkan

17 Hasil operasi erosi Citra asli Citra erosi terhubung-4 Citra erosi terhubung-8

18 Penutupan (Closing) kombinasi antara operasi dilasi dan erosi yang dilakukan secara berurutan. menutup atau menghilangkan lubang-lubang kecil yang ada dalam segmen obyek. menggabungkan 2 segmen obyek yang saling berdekatan (menutup sela antara 2 obyek yang sangat berdekatan). dapat dilakukan dalam beberapa rangkaian dilasi-erosi (misalnya 3 kali dilasi, lalu 3 kali erosi) apabila ukuran lubang atau jarak antar obyek cukup besar.

19 Hasil operasi penutupan (closing) Citra asli Citra closing terhubung-4 Citra closing terhubung-8

20 Pembukaan (Opening) kombinasi antara operasi erosi dan dilasi yang dilakukan secara berurutan, memutus bagian-bagian dari obyek yang hanya terhubung dengan 1 atau 2 buah titik saja. untuk menghilangkan obyek yang sangat kecil

21 Hasil operasi pembukaan (opening) Citra asli Citra opening terhubung-4 Citra opening terhubung-8

22 Pengisian (Filling) kebalikan dari operasi pencarian batas citra citra masukan adalah citra batas/kontur kemudian dilakukan pengisian sehingga diperoleh segmen obyek yang pejal/solid tentukan titik awal pengisian yang terletak di dalam obyek kemudian bergerak ke arah titik-titik tetangganya operasi dilakukan secara rekursif berhenti jika sampai di batas obyek.

23 Algoritma untuk operasi pengisian citra secara terhubung-4 Tentukan titik awal pengisian di dalam obyek yang akan diisi /* berikut adalah bagian rekursif */ Set titik tersebut menjadi titik obyek Cek apakah titik tetangga atasnya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan Cek apakah titik tetangga kanannya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan Cek apakah titik tetangga bawahnya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan Cek apakah titik tetangga kirinya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan

24 Hasil operasi pengisian terhubung-4 Citra asli pengisian mulai dari titik A pengisian mulai dari titik B

25 Pelabelan Obyek untuk membedakan antara sebuah obyek dengan obyek yang lain hampir mirip dengan operasi pengisian, yakni menggunakan teknik rekursi. mula-mula dideteksi lokasi sebuah titik yang merupakan bagian dari sebuah obyek lakukan pengisian dengan suatu nilai (label) terhadap obyek tersebut dari lokasi tersebut sampai menemui batas luarnya (menabrak titik latar) lanjutkan mendeteksi lokasi yang merupakan titik obyek namun belum terisi oleh operasi tadi atau belum diberi label lakukan pengisian lagi dengan nilai label yang berbeda ulangi sampai semua titik dalam citra tersebut diperiksa

26 Hasil operasi pelabelan terhubung-4 Citra asli Citra hasil

27 Pengerangkaan (Skeletonization) proses pengikisan sebuah obyek sebanyak mungkin dengan tetap mempertahankan bentuk umum dari polanya Sifat 1. Ketipisan: kerangka obyek berukuran setipis mungkin (1 atau 2 titik) 2. Konektivitas: kerangka dari suatu obyek terhubung satu sama lain sesuai dengan topologi pola aslinya 3. Posisi: letak kerangka berada tepat di tengah obyek 4. Stabilitas: setelah suatu bagian kerangka diperoleh, maka bagian tersebut tidak akan terkikis lagi oleh operasi pengikisan berikutnya

28 Algoritma Hilditch 1.) 2 B(p1) 6 p1 p1 p1 p1 (a) B(p1) = 0 (b) B(p1) = 1 (c) B(p1) = 7 (d) B(p1) =8

29 Algoritma Hilditch 2.) A(p1) =1 Contoh titik yang tidak memenuhi kriteria 2 algoritma Hilditch p1 p1 p1 (a) A(p1) = 2 (b) A(p1) = 2 (c) A(p1) = 3

30 Algoritma Hilditch 3.) p2, p4, atau p8 ada yang merupakan titik latar, atau A(p2) 1 untuk menghindarkan terhapusnya garis horisontal dengan lebar 2 titik p2 p2 p2 p8 p1 p4 p8 p1 p4 p8 p1 p4 (a) garis vertikal (b) p2, p4, p8 latar (c) p2, p4, atau p8 = latar berlebar 2 titik A(p2) 1 A(p2) = 1 Contoh titik pada kriteria 3 algoritma Hilditch (yang tidak dihapus)

31 Algoritma Hilditch 4.) p2, p4, atau p6 ada yang merupakan titik latar, atau A(p4) 1 untuk menghindarkan terhapusnya garis vertikal dengan lebar 2 titik p2 p2 p2 p1 p4 p1 p4 p1 p4 p6 p6 p6 (a) garis vertikal (b) p2, p4, p6 latar (c) p2, p4, atau p6 = latar berlebar 2 titik A(p4) 1 A(p4) = 1 Contoh titik pada kriteria 4 algoritma Hilditch (yang tidak dihapus)

32 Referensi Firdausy, K, 2003, Diktat Kuliah Teknik Pengolahan Citra, Program Studi Teknik Elektro, Universitas Ahmad Dahlan Castleman, K.R., 1996, Digital Image Processing, Prentice-Hall,Inc., New Jersey Jain, A.K., 1989, Fundamental of Digital Image Processing, Prentice-Hall,Inc., New Jersey I.T. Young, J.J. Gerbrands, L.J. van Vliet, Image Processing Fundamentals,

By Emy. 2 of By Emy

By Emy. 2 of By Emy 2 1 3 Kompetensi Mampu menjelaskan dan operasi morfologi Mampu menerapkan konsep morfologi untuk memperoleh informasi yang menyatakan deskripsi dari suatu benda pada citra mampu membangun aplikasi untuk

Lebih terperinci

Operasi Bertetangga (1)

Operasi Bertetangga (1) Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga

Lebih terperinci

Operasi Geometri (1) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra

Operasi Geometri (1) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode

Lebih terperinci

Setelah mempelajari materi ini, mahasiswa diharapkan mampu:

Setelah mempelajari materi ini, mahasiswa diharapkan mampu: Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode

Lebih terperinci

Operasi Geometri (2) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra

Operasi Geometri (2) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan

Lebih terperinci

Teknik Pengolahan Citra. by Kartika Firdausy

Teknik Pengolahan Citra. by Kartika Firdausy Teknik Pengolahan Citra by Kartika Firdausy 081.328.718.768 tpcitra@ee.uad.ac.id TUJUAN Mahasiswa mampu: Menggunakan berbagai teknik pengolahan untuk memperoleh kualitas citra digital yang sesuai dengan

Lebih terperinci

Batra Yudha Pratama m111511006@students.jtk.polban.ac.id

Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Operasi Morfologi Pada Citra Biner Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas

Lebih terperinci

Operasi Titik Kartika Firdausy

Operasi Titik Kartika Firdausy Operasi Titik Kartika Firdausy tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf 2262230 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi Fungsi Transformasi Skala Keabuan menjelaskan

Lebih terperinci

DETEKSI TEPI MENGGUNAKAN METODE CANNY DENGAN MATLAB UNTUK MEMBEDAKAN UANG ASLI DAN UANG PALSU ABSTRAKSI

DETEKSI TEPI MENGGUNAKAN METODE CANNY DENGAN MATLAB UNTUK MEMBEDAKAN UANG ASLI DAN UANG PALSU ABSTRAKSI DETEKSI TEPI MENGGUNAKAN METODE CANNY DENGAN MATLAB UNTUK MEMBEDAKAN UANG ASLI DAN UANG PALSU ABSTRAKSI Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan. Peningkatan ini dikarena mudahnya

Lebih terperinci

Setelah mempelajari materi ini, mahasiswa diharapkan mampu:

Setelah mempelajari materi ini, mahasiswa diharapkan mampu: Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setela mempelajari materi ini, maasisa diarapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan

Lebih terperinci

BAB 2 TINJAUAN TEORITIS

BAB 2 TINJAUAN TEORITIS BAB 2 TINJAUAN TEORITIS 2.1 Citra RGB Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan suatu representasi, kemiripan

Lebih terperinci

PENGOLAHAN CITRA DIGITAL

PENGOLAHAN CITRA DIGITAL PENGOLAHAN CITRA DIGITAL Materi 15 Morfologi (Lanjutan) M. Miftakul Amin, M. Eng. JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA TINJAUAN MATEMTIKA EROSI Operasi erosi dirumuskan sebagai berikut:

Lebih terperinci

BAB 4 IMPLEMENTASI DAN PENGUJIAN. perangkat lunak yang sama untuk semua pengujian. analisa citra bioinformatika ini dalah sebagai berikut:

BAB 4 IMPLEMENTASI DAN PENGUJIAN. perangkat lunak yang sama untuk semua pengujian. analisa citra bioinformatika ini dalah sebagai berikut: BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Spesifikasi Sistem Perangkat analisis citra bioinformatika ini menggunakan perangkat keras dan perangkat lunak yang sama untuk semua pengujian. 4.1.1 Spesifikasi Perangkat

Lebih terperinci

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)

GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Mata Kuliah: Pengolahan dan Pengenalan Pola; Kode/Bobot : TSK 713/ 2 sks; Deskripsi Mata Kuliah: Mata kuliah ini berisi konsep teori, teknik-teknik dan aplikasi

Lebih terperinci

DAFTAR ISI. ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI...v DAFTAR GAMBAR...viii DAFTAR TABEL...x

DAFTAR ISI. ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI...v DAFTAR GAMBAR...viii DAFTAR TABEL...x ABSTRAK Dalam suatu sistem biasanya diperlukan suatu otentikasi berupa Personal Identification Number (PIN) atau password. Sehingga ada kemungkinan password dan PIN ini hilang atau diketahui orang lain.

Lebih terperinci

Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra

Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank

Lebih terperinci

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran

SILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 10 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 10 Mathematical Morphology. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 10 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu

Lebih terperinci

Oleh: Riza Prasetya Wicaksana

Oleh: Riza Prasetya Wicaksana Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya

Lebih terperinci

1. Pendahuluan Gait Recognition atau sistem pengenalan gaya gerak berjalan manusia merupakan salah satu sistem di bidang keamanan biometrik yang menga

1. Pendahuluan Gait Recognition atau sistem pengenalan gaya gerak berjalan manusia merupakan salah satu sistem di bidang keamanan biometrik yang menga Skeletonisasi Citra Pembentukan Rangka Tubuh Manusia Dengan MATLAB 7.12 Megarani Tiara Putri Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok Telp: (021) 78881112

Lebih terperinci

PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA

PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno, and R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl.

Lebih terperinci

ALGORITMA IMAGE THINNING

ALGORITMA IMAGE THINNING ALGORITMA IMAGE THINNING Oleh Zurnawita dan Zulharbi Suar Staf Pengajar Teknik Elektro Politeknik Negeri Padang ABSTRACT Using image thinning algorithm, various example of application is processing image

Lebih terperinci

TEKNIK PENGOLAHAN CITRA. Kuliah 11 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.

TEKNIK PENGOLAHAN CITRA. Kuliah 11 Mathematical Morphology. Indah Susilawati, S.T., M.Eng. TEKNIK PENGOLAHAN CITRA Kuliah 11 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta

Lebih terperinci

10/11/2014. CIG4E3 / Pengolahan Citra Digital BAB 10. Morphological Image Processing. Pemrosesan citra secara morfologis.

10/11/2014. CIG4E3 / Pengolahan Citra Digital BAB 10. Morphological Image Processing. Pemrosesan citra secara morfologis. CIG4E3 / Pengolahan Citra Digital BB 10. Morphological Image Processing Intelligent Computing and Multimedia (ICM) Pemrosesan citra secara morfologis Perbedaan antara pemrosesan citra secara morfologis

Lebih terperinci

DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK

DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi

Lebih terperinci

PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY

PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan

Lebih terperinci

FAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016

FAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016 DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program

Lebih terperinci

10/13/2009 MORFOLOGI CITRA SET CITRA DAN OPERASINYA PEMROSESAN CITRA SECARA MORFOLOGIS PEMROSESAN CITRA SECARA MORFOLOGIS

10/13/2009 MORFOLOGI CITRA SET CITRA DAN OPERASINYA PEMROSESAN CITRA SECARA MORFOLOGIS PEMROSESAN CITRA SECARA MORFOLOGIS PEMROEN CITR ECR MORFOLOGI Kuliah ke 8 Program 1 Reguler, DTE FTUI 2009 MORFOLOGI CITR Perbedaan antara pemrosesan citra secara morfologis dengan pemrosesan biasa (yang telah dipelajari): Dulu sebuah citra

Lebih terperinci

GLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness

GLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness 753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan

Lebih terperinci

PEMAKAIAN KAMERA CCTV SEBAGAI SENSOR POSISI

PEMAKAIAN KAMERA CCTV SEBAGAI SENSOR POSISI PEMAKAIAN KAMERA CCTV SEBAGAI SENSOR POSISI Erdhi Widyarto Nugroho Teknik Elektro Universitas Katolik Soegijapranata Semarang e-mail : Erdhi@unika.ac.id ABSTRACT Kamera CCTV adalah suatu kamera yang secara

Lebih terperinci

SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK

SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta

Lebih terperinci

Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra

Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra Shofiyyah Zahrah 1, Ristu Saptono 2, Esti Suryani 3 1,2,3 Program Studi Informatik, FMIPA, Universitas Sebelas Maret Email: 1 shofizr@gmail.com,

Lebih terperinci

SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL

SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan

Lebih terperinci

BAB 1 PENDAHULUAN. citra keluaran dengan informasi yang siap digunakan. meningkatkan efisiensi dan akurasi, serta meminimalisasi kesalahan.

BAB 1 PENDAHULUAN. citra keluaran dengan informasi yang siap digunakan. meningkatkan efisiensi dan akurasi, serta meminimalisasi kesalahan. BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi pada bidang kedokteran cukup pesat. Dalam bidang pencitraan biologis, penggunaan kardiologi dan mammografi telah diaplikasikan secara luas di

Lebih terperinci

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)

RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54521 / Pengolahan Citra Digital Revisi - Satuan Kredit Semester : 3 SKS Tgl revisi : - Jml Jam kuliah dalam seminggu

Lebih terperinci

Dosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN

Dosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN Dosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN 5107100609 PENDAHULUAN Segmentasi Endapan Urin 2 LATAR BELAKANG Segmentasi

Lebih terperinci

SATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN CITRA / 8 KODE MK / SKS / SIFAT : AK / 2 SKS / MK LOKAL

SATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN CITRA / 8 KODE MK / SKS / SIFAT : AK / 2 SKS / MK LOKAL SATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN / 8 KODE MK / SKS / SIFAT : AK01220 / 2 SKS / MK LOKAL Pertemuan Pokok Bahasan dan ke TIU 1 PENDAHULUAN TIU mengetahui

Lebih terperinci

IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF

IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF Dini Nuzulia Rahmah 1, Handayani Tjandrasa 2, Anny Yuniarti 3 Teknik Informatika,

Lebih terperinci

TEKNIK PENGOLAHAN CITRA DIGITAL TPE 418

TEKNIK PENGOLAHAN CITRA DIGITAL TPE 418 RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) TEKNIK PENGOLAHAN CITRA DIGITAL TPE 418 OLEH: Dr. ANDASURYANI, S.TP, M.Si PROGRAM STUDI TEKNIK PERTANIAN JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI

Lebih terperinci

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen

Lebih terperinci

IV. HASIL DAN PEMBAHASAN

IV. HASIL DAN PEMBAHASAN IV. HASIL DAN PEMBAHASAN 4.1. Deteksi Dari citra setting yang telah direkam, dengan menggunakan software Paint Shop Pro v.6, diketahui nilai RGB dari tiap laser yang terekam oleh kamera CCD. RGB yang dicantumkan

Lebih terperinci

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat sekarang ini teknologi komputer telah berkembang pesat. Teknologi komputer ini pada mulanya hanya berkembang dalam teknologi pengolahan data saja. Namun seiring

Lebih terperinci

Penerapan Algoritma BFS dan DFS dalam Mencari Solusi Permainan Rolling Block

Penerapan Algoritma BFS dan DFS dalam Mencari Solusi Permainan Rolling Block Penerapan Algoritma dan DFS dalam Mencari Solusi Permainan Rolling Block Zakiy Firdaus Alfikri 13508042 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen

Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,

Lebih terperinci

BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)

BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) Remote Sensing didefinisikan sebagai ilmu untuk mendapatkan informasi mengenai obyek-obyek pada permukaan bumi dengan analisis data yang

Lebih terperinci

Aplikasi Algoritma Traversal Dalam Binary Space Partitioning

Aplikasi Algoritma Traversal Dalam Binary Space Partitioning Aplikasi Algoritma Traversal Dalam Binary Space Partitioning Pudy Prima (13508047) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung

Lebih terperinci

PENDETEKSIAN POSISI PLAT NOMOR MOBIL MENGGUNAKAN METODE MORFOLOGI DENGAN OPERASI DILASI, FILLING HOLES, DAN OPENING

PENDETEKSIAN POSISI PLAT NOMOR MOBIL MENGGUNAKAN METODE MORFOLOGI DENGAN OPERASI DILASI, FILLING HOLES, DAN OPENING PENDETEKSIAN POSISI PLAT NOMOR MOBIL MENGGUNAKAN METODE MORFOLOGI DENGAN OPERASI DILASI, FILLING HOLES, DAN OPENING Arini 1, Feri Fahrianto 2, Andre Agusta 3, Asep Taufik Muharam 1,2,3,4 Teknik Informatika,

Lebih terperinci

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah

BAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550

Lebih terperinci

Morphological Image Processing

Morphological Image Processing Morphological Image Processing Muhammad Kusban Teknik Elektro, Universitas Muhammadiyah Surakarta Abstrak -- Proses morphologi terutama digunakan untuk menghilangkan ketidaksempurnaan bentuk yang ada dalam

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,

Lebih terperinci

Citra Biner. Bab Pendahuluan

Citra Biner. Bab Pendahuluan Bab 11 Citra Biner C itra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat keabuan: hitam dan putih. Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih

Lebih terperinci

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi

BAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal

Lebih terperinci

BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM

BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi

Lebih terperinci

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Pengolahan Citra dan Pengenalan Pola

KONTRAK PEMBELAJARAN (KP) MATA KULIAH. Pengolahan Citra dan Pengenalan Pola KONTRAK PEMBELAJARAN (KP) MATA KULIAH Pengolahan Citra dan Pengenalan Pola Kode MK: TSK 713 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT

Lebih terperinci

ROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE

ROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE ROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE Lauw Lim Un Tung, Resmana Lim, Budiman Lewa Electrical Engineering Dept., PETRA Christian University Jl. Siwalankerto 121-131, Surabaya

Lebih terperinci

BAB III METODE PENELITIAN

BAB III METODE PENELITIAN BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan

Lebih terperinci

BAB 3 IMPLEMENTASI SISTEM

BAB 3 IMPLEMENTASI SISTEM BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan

Lebih terperinci

BAB II LANDASAN TEORI

BAB II LANDASAN TEORI BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,

Lebih terperinci

KOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra

KOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra KOMPRESI CITRA Pertemuan 12 Mata Pengolahan Citra PEMAMPATAN CITRA Semakin besar ukuran citra semakin besar memori yang dibutuhkan. Namun kebanyakan citra mengandung duplikasi data, yaitu : Suatu piksel

Lebih terperinci

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah

Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.

Lebih terperinci

II. LANDASAN TEORI I. PENDAHULUAN

II. LANDASAN TEORI I. PENDAHULUAN MAKALAH SEMINAR TUGAS AKHIR IDENTIFIKASI CACAT PADA KEPING PCB MENGGUNAKAN PENCOCOKAN MODEL (TEMPLATE MATCHING) Kris Adhy Nugroho*, R. Rizal Isnanto **, Achmad Hidayatno ** Abstrak Inspeksi secara automatis

Lebih terperinci

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD

SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad

Lebih terperinci

KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL

KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1. Teori Umum 2.1.1. Warna Dengan menggunakan 3 buah reseptor manusia dapat membedakan banyak warna. Warna tricromatic RGB dalam sistem grafis umumnya menggunakan 3 byte (2 8 ) 3,

Lebih terperinci

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON

SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar

Lebih terperinci

BAB 2 KAJIAN PUS TAKA

BAB 2 KAJIAN PUS TAKA BAB 2 KAJIAN PUS TAKA 2.1 Kecerdasan Buatan 2.1.1 Definisi Kecerdasan Buatan Kecerdasan buatan dapat didefinisikan sebagai cabang dari ilmu komputer yang memusatkan perhatian pada otomatisasi dari karakteristik

Lebih terperinci

IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK

IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas

Lebih terperinci

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR

ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas

Lebih terperinci

MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner

MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat

Lebih terperinci

BAB II LANDASAN TEORI...

BAB II LANDASAN TEORI... DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak

Lebih terperinci

APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA

APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker

Lebih terperinci

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK

APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI

Lebih terperinci

SATUAN ACARA PERKULIAHAN ( SAP )

SATUAN ACARA PERKULIAHAN ( SAP ) SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 2 x 3x 50 Menit Pertemuan : 10&11 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem

Lebih terperinci

IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA

IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar

Lebih terperinci

OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS

OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100

Lebih terperinci

DAFTAR ISI BAB II TINJAUAN PUSTAKA...4

DAFTAR ISI BAB II TINJAUAN PUSTAKA...4 DAFTAR ISI HALAMAN JUDUL...i PERNYATAAN BEBAS PLAGIARISME...ii HALAMAN PENGESAHAN...iii HALAMAN TUGAS...iv HALAMAN MOTTO...vi KATA PENGANTAR...vii DAFTAR ISI...ix DAFTAR TABEL...xiii DAFTAR GAMBAR...xv

Lebih terperinci

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram

Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik

Lebih terperinci

BAB II LANDASAN TEORI. menggunakan komputer atau laptop merupakan citra digital, dapat juga diartikan

BAB II LANDASAN TEORI. menggunakan komputer atau laptop merupakan citra digital, dapat juga diartikan BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital Citra atau Gambar (Image) adalah sebuah informasi yang memiliki bentuk visual. Suatu citra yang diperoleh dari hasil kamera dan dapat diolah menggunakan

Lebih terperinci

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN

PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto

Lebih terperinci

KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS

KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan

Lebih terperinci

MAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 )

MAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) MAKALAH PENGOLAHAN CITRA DIGITAL ( Histogram Citra ) Disusun Oleh : Nama : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) Jurusan : Tehnik Informatika ( Semester VI ) Kampus : STIMIK HIMSYA

Lebih terperinci

BAB 2 LANDASAN TEORI

BAB 2 LANDASAN TEORI BAB 2 LANDASAN TEORI 2.1 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter

Lebih terperinci

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA

TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan

Lebih terperinci

Penerapan Teori Graf dan Graf Cut pada Teknik Pemisahan Objek Citra Digital

Penerapan Teori Graf dan Graf Cut pada Teknik Pemisahan Objek Citra Digital Penerapan Teori Graf dan Graf Cut pada Teknik Pemisahan Objek Citra Digital Rio Dwi Putra Perkasa 13515012 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,

Lebih terperinci

Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC

Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam

Lebih terperinci

Operasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan

Operasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan KONVOLUSI Informatics Eng. - UNIJOYO log.i Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan Citra ideal: korespondensi satu-satu sebuah titik pada obyek yang dicitrakan

Lebih terperinci

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi

Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu

Lebih terperinci

Pertemuan 2 Dasar Citra Digital. Anny Yuniarti, S.Kom, M.Comp.Sc

Pertemuan 2 Dasar Citra Digital. Anny Yuniarti, S.Kom, M.Comp.Sc Pertemuan 2 Dasar Citra Digital Anny Yuniarti, S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman tentang konsep-konsep dasar dalam pengolahan citra digital, a.l.: Apakah pengolahan citra digital? Sampling dan

Lebih terperinci

ANALISIS CITRA PERMUKAAN THERMOCHROMIC LIQUID CRYSTAL BERDASARKAN NILAI STATISTIK HUE

ANALISIS CITRA PERMUKAAN THERMOCHROMIC LIQUID CRYSTAL BERDASARKAN NILAI STATISTIK HUE 42 R. Suryantari et al., Aplikasi Citra Permukaan Thermochromic Liquid Crystal ANALISIS CITRA PERMUKAAN THERMOCHROMIC LIQUID CRYSTAL BERDASARKAN NILAI STATISTIK HUE Risti Suryantari*, Flaviana Program

Lebih terperinci

PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA

PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno dan R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Pro

Lebih terperinci

Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari

Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok

Lebih terperinci

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut

BAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut

Lebih terperinci

PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )

PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Introduction Nama Nazaruddin Ahmad Biodata Tempat/Tgl.Lahir Banda Aceh, 05 Juni 1982 Alamat Hp 081360866064

Lebih terperinci

2 BAB II TINJAUAN PUSTAKA

2 BAB II TINJAUAN PUSTAKA 9 2 BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait Secara umum penelitian pengenalan plat nomor kendaraan terdiri dari tiga tahapan [1][7][11], yaitu deteksi plat nomor kendaraan, segmentasi karakter,

Lebih terperinci

VOLT. Jurnal Ilmiah Pendidikan Teknik Elektro. Journal homepage: jurnal.untirta.ac.id/index.php/volt Vol. 1, No. 1, Oktober 2016, 01-14

VOLT. Jurnal Ilmiah Pendidikan Teknik Elektro. Journal homepage: jurnal.untirta.ac.id/index.php/volt Vol. 1, No. 1, Oktober 2016, 01-14 P-ISSN: 2528-5688 E-ISSN: 2528-5696 VOLT Jurnal Ilmiah Pendidikan Teknik Elektro Journal homepage: jurnal.untirta.ac.id/inde.php/volt Vol., No., Oktober 206, 0-4 IDENTIFIKASI OBYEK BENDA TAJAM MENGGUNAKAN

Lebih terperinci

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang

Lebih terperinci

BAB 3 PERANCANGAN SISTEM

BAB 3 PERANCANGAN SISTEM BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,

Lebih terperinci

PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN

PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN 1) Merly Indira 2) Eva Yuliana 3) Wahyu Suprihatin 4) Bertalya Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Jl.

Lebih terperinci

Perbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin

Perbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin Perbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin Arie Tando - 13510018 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi

Lebih terperinci